Cómo Avery Smith construyó un curso exitoso sobre análisis de datos
Avery Smith creó Data Career Jumpstart para ayudar a estudiantes a iniciar carreras en datos y avanzar hacia empleos bien remunerados en ciencia de datos. Su recorrido combina un cambio de carrera desde la ingeniería química, práctica intensiva de programación y una estrategia de contenido que le permitió hacer crecer su audiencia sin abandonar el negocio.
Un cambio de carrera que se convirtió en programa
Avery Smith estudió Ingeniería Química y trabajó como técnico de laboratorio químico, pero no disfrutaba esa etapa. Al descubrir la ciencia de datos, estudió por su cuenta, consiguió trabajo como científico de datos y obtuvo una maestría en análisis. Esa transición se convirtió en la base de Data Career Jumpstart: un programa pensado para personas que quieren un cambio de carrera parecido y para quienes, en su experiencia, podrían haber optimizado mejor el camino hacia un empleo bien remunerado en ciencia de datos.
Programación: práctica, depuración y recursos constantes
Su primera línea de código llegó en sexto grado y continuó programando en la universidad, pero eso no eliminó las dificultades. Hubo noches en las que el código no hacía lo esperado y horas de depuración. El salto a ciencia de datos y machine learning exigió práctica constante; con el tiempo, la programación avanzada se volvió más rutinaria, aunque sigue usando Google y StackOverflow con frecuencia. La lección práctica es distinguir entre familiaridad inicial y dominio: la práctica sostenida convierte tareas difíciles en trabajo más manejable.
Por qué enseñar: entusiasmo y resultados visibles
La motivación para enseñar combina entusiasmo por el tema y satisfacción ante progresos visibles de los estudiantes. Avery Smith dice que disfruta compartir lo que considera un tema muy interesante y que le recompensa especialmente ayudar a alguien a alcanzar un cambio económico importante. Esa orientación explica por qué el curso no se presenta solo como contenido técnico, sino como una ruta para iniciar una carrera en datos.
YouTube en bloques: menos ritmo diario, más impacto acumulado
Crear un video puede tomar al menos 4 a 6 horas, por lo que mantener ritmo constante junto al negocio resulta difícil. La respuesta fue concentrar el esfuerzo: dedicó un mes entero a YouTube y produjo 30 proyectos de ciencia de datos en 30 días. Aunque esa etapa exigente limitó otras actividades, elevó su audiencia de 1.5k a 6.5k suscriptores. Además, los videos tienen valor duradero y pueden seguir aportando a espectadores año tras año.
Dos estrategias según la etapa del negocio
Para un curso ya establecido, la recomendación es invertir en aprendizaje propio y en la red de contactos; aprender de otras personas ha sido, en su experiencia, una vía para ganar más dinero. Para quien empieza, el consejo es empezar pequeño: construir audiencia en LinkedIn, TikTok o YouTube Shorts y lanzar una oferta pequeña y asequible antes de ampliar. La diferencia es clara: crecimiento por aprendizaje y red cuando ya hay tracción; validación pequeña y audiencia primero cuando todavía no la hay.
Dónde seguir aprendiendo
Puedes conocer más sobre Avery Smith en LinkedIn, visitar la página de Data Career Jumpstart o seguir su canal de YouTube sobre ciencia de datos. Esos canales reúnen el programa, el contenido práctico y su presencia profesional.
| Etapa | Prioridad recomendada | Acción concreta |
|---|---|---|
| Negocio ya establecido | Aprendizaje y red de contactos | Invertir en formación propia y aprender de otras personas |
| Recién comenzando | Audiencia y oferta pequeña | Construir audiencia en LinkedIn, TikTok o YouTube Shorts y lanzar una oferta asequible |
Estrategia resumida a partir de las recomendaciones de Avery Smith para creadores en distintas etapas.
Frequently asked questions
¿Cómo empezó Avery Smith en ciencia de datos?
Estudió Ingeniería Química y trabajó como técnico de laboratorio químico, pero no disfrutaba esa actividad. Después estudió ciencia de datos por su cuenta, consiguió trabajo como científico de datos y obtuvo una maestría en análisis. Con esa experiencia creó Data Career Jumpstart para ayudar a personas que querían hacer un cambio de carrera similar.
¿Fue fácil aprender a programar y pasar a machine learning?
Escribió su primera línea de código en sexto grado y programó con cierta regularidad en la universidad, pero el aprendizaje no fue fácil: pasó horas depurando cuando el código no hacía lo esperado. Pasar a ciencia de datos y machine learning tuvo desafíos propios, que superó con práctica. Aun con experiencia avanzada, sigue consultando Google y StackOverflow con frecuencia.
¿Qué le motiva a enseñar ciencia de datos?
Dice que le encanta compartir un tema que considera muy interesante y que le recompensa ver progresos concretos de sus estudiantes. Menciona casos en los que estudiantes pasaron de ganar $40,000 a $80,000 en pocos meses, algo que describe como una sensación muy gratificante.
¿Cómo compagina YouTube con su negocio de cursos?
Un video puede requerir al menos 4 a 6 horas, por lo que no mantiene un ritmo constante. Para ganar reconocimiento de marca y tráfico, dedicó un mes entero a YouTube y creó 30 proyectos de ciencia de datos en 30 días. Esa campaña exigente lo llevó de 1.5k a 6.5k suscriptores, y los videos siguen aportando valor con el tiempo.
¿Qué consejo da a creadores de cursos nuevos y establecidos?
Para un negocio ya establecido, recomienda invertir en aprendizaje propio y en la red de contactos, porque aprender de otras personas le ha ayudado a ganar más dinero. Para quien empieza, aconseja comenzar pequeño: construir audiencia en LinkedIn, TikTok o YouTube Shorts y lanzar primero una oferta pequeña y asequible, para crecer desde ahí.